IMDB 数据集

数据集

adversarial_text

用于文本分类
文本分类数据集： http://ai.stanford.edu/~amaas/data/sentiment/

1. IMDB 数据集介绍

https://blog.csdn.net/greenlight_74110/article/details/77898307
1. 思考： 我们如何评价一部电影上映之前就判断处着是不是一部伟大的电影？
很多人依赖影视评论家来估计带你应的质量，也有一些人只凭自己的直觉，但电影上映之后需要花很多时间获得合理的影评，同时，人们的直觉有时候是靠不住的。

1. 问题：
   

   1. 人类每年拍摄出数以千计的电影，除了依赖影视评论家的直觉，我们有更好的方式来判断出伟大的电影么？
      
   2. 电影中海报中的人物和电影评级有关系么？

   
   作者在IMDB爬取了5000多条电影数据，整个爬取过程话费2个小时完成，最后，作者获取了需要的28个变量的来自5043部电影和4906张电影好饱的数据，涵盖66个国家，横跨100年的时间，这里有2399位独特的电影导演，数以千计的男女演员。

1. 28个变量分别是：

• movie_title(电影标题）
• color（颜色）
• num_critic_for_reviews（评论的评分数量）
• movie_facebook_likes(电影facebook点赞数）
• duration(电影时长）
• director_name(导演名字）
• director_facebook_likes(导演facebook赞数)
• actor_3_name( 演员3的姓名)
• actor_3_facebook_likes( 演员3的facebook赞数)
• actor_2_name(演员2的姓名)
• actor_2_facebook_likes (演员2的姓名)
• actor_1_name`( 演员1的姓名)
• actor_1_facebook_likes(演员1的姓名”)
• gross(票房收入)
• genres(体裁)
• num_voted_users(投票用户数)
  “cast_total_facebook_likes”
  “演员总的facebook赞数”
  “facenumber_in_poster”
  “海报中的人脸数量”
  “plot_keywords”
  “情节关键词”
  “movie_imdb_link”
  “电影imdb链接”
  “num_user_for_reviews”
  “评论的用户数”
  “language”
  “语言”
  “country”
  “国家”
  “content_rating”
  “内容评级”
  “budget”
  “成本”
  “title_year”
  “上线日期”
  “imdb_score”
  “imdb评分”
  “aspect_ratio”
  “电影宽高比”